防御DDoS攻击的包标记联合部署方案

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (5): 74-78.

防御DDoS攻击的包标记联合部署方案

黄鲁娟1，3，金光1，3，何加铭2，3，江先亮1

1.宁波大学信息科学与工程学院，浙江宁波 315211
2.宁波大学通信技术研究所，浙江宁波 315211
3.浙江省移动网应用技术重点实验室，浙江宁波 315200

出版日期:2014-03-01 发布日期:2015-05-12

DDoS defense with jointed deployment of IP traceback and path identification

HUANG Lujuan1，3, JIN Guang1，3, HE Jiaming2，3, JIANG Xianliang1

1.College of Information Science and Engineering, Ningbo University, Ningbo, Zhejiang 315211, China
2.Institute of Communication, Ningbo University, Ningbo, Zhejiang 315211, China
3.Key Laboratory of Mobile Internet Application Technology of Zhejiang Province, Ningbo, Zhejiang 315200, China

Online:2014-03-01 Published:2015-05-12

摘要/Abstract

摘要： 提出了一种新的结合确定包标记和路径标识的方案，其在源边界路由器以概率形式选择执行确定性包标记或路径标识。该方案以下游网络拥塞程度和路径追溯结果为依据，动态调整数据包标记操作，并在受害主机处根据不同的标记策略采取不同的防御措施。基于大规模权威因特网拓扑数据集的仿真实验表明，该方案防御效果较好，能有效减轻受害主机遭受DDoS攻击的影响。

关键词: 网络安全, 布式拒绝服务攻击, 确定分组标记, 路径标识

Abstract: A novel idea jointed deterministic packet marking and path identification is proposed. In this scheme, source border routers mark packets with either deterministic packet marking or path identification in the form of probability. Based on downstream network congestion tolerance and IP traceback consequence, routers dynamically adjust the proportion of package marking. Then the victim takes different actions according to different marking content. The results of large-scale simulations with Skitter, authoritative Internet topologies dataset, show the scheme is effective to defend DDoS attack, and alleviate attack impacts on the victim.

Key words: networks security, Distributed Denial of Service（DDoS） attacks, Deterministic Packet Marking（DPM）, Path identification（Pi）

黄鲁娟1，3，金光1，3，何加铭2，3，江先亮1. 防御DDoS攻击的包标记联合部署方案[J]. 计算机工程与应用, 2014, 50(5): 74-78.

HUANG Lujuan1，3, JIN Guang1，3, HE Jiaming2，3, JIANG Xianliang1. DDoS defense with jointed deployment of IP traceback and path identification[J]. Computer Engineering and Applications, 2014, 50(5): 74-78.

[1]	王振东，张林，李大海. 基于机器学习的物联网入侵检测系统综述[J]. 计算机工程与应用, 2021, 57(4): 18-27.
[2]	江魁，丘远东，郑浩城. 基于信息熵与LSTM的ICMPv6 DDoS攻击检测方法[J]. 计算机工程与应用, 2021, 57(21): 148-154.
[3]	曹磊，李占斌，杨永胜，赵龙飞. 基于双层注意力神经网络的入侵检测方法[J]. 计算机工程与应用, 2021, 57(19): 142-149.
[4]	王文涛，李树梅，汤婕，吕伟龙. 结合概率图模型与DNN的DDoS攻击检测方法[J]. 计算机工程与应用, 2021, 57(13): 108-115.
[5]	狄冲，李桐. 网络未知攻击检测的深度学习方法[J]. 计算机工程与应用, 2020, 56(22): 109-116.
[6]	彭春燕，杜秀娟. 水声传感器网络基于深度信息的安全路由协议[J]. 计算机工程与应用, 2020, 56(2): 76-81.
[7]	芶继军，李均华，陈晨，陈一鸣，吕奕达. 基于随机森林的网络入侵检测方法[J]. 计算机工程与应用, 2020, 56(2): 82-88.
[8]	周龙，王晨，史崯. 基于RNN的Webshell检测研究[J]. 计算机工程与应用, 2020, 56(14): 88-92.
[9]	吴德鹏，柳毅. 基于可变网络结构自组织映射的入侵检测模型[J]. 计算机工程与应用, 2020, 56(12): 81-86.
[10]	石乐义，刘佳，刘祎豪，朱红强，段鹏飞. 网络安全态势感知研究综述[J]. 计算机工程与应用, 2019, 55(24): 1-9.
[11]	刘俊杰，王珺，王梦林，王悦. SDN中基于C4.5决策树的DDoS攻击检测[J]. 计算机工程与应用, 2019, 55(20): 84-88.
[12]	张舒娟1，张娟2. 对等网络中被动型蠕虫传播动力学建模与分析[J]. 计算机工程与应用, 2019, 55(11): 60-66.
[13]	马占飞1，杨晋2，金溢2，边琦3. 基于IQPSO-IDE算法的网络入侵检测方法[J]. 计算机工程与应用, 2019, 55(10): 115-120.
[14]	冯波1，郭帆2，谭素雯3. 基于IPv6的概率包标记路径溯源方案[J]. 计算机工程与应用, 2016, 52(6): 102-106.
[15]	孙剑，刘渊，赵新杰. 基于聚类的应用层DDoS攻击检测方法研究[J]. 计算机工程与应用, 2016, 52(21): 116-120.